The present invention discloses an image panoramic segmentation optimization method based on convolution. The method uses convolution network to predict the occlusion priority ranking score value for each detected instance object, and optimizes the prediction process in panoramic segmentation based on the occlusion priority ranking score value to deal with the occlusion problem of different instance objects in panoramic segmentation. The invention uses convolution layer as feature extraction method, realizes the optimization method of autonomous learning and integration with prediction network. The realization method is simple, can be realized in the same framework as the original prediction network, and can significantly improve the prediction results.
【技术实现步骤摘要】
一种基于卷积实现的图像全景分割预测优化方法
本专利技术涉及计算机视觉
,尤其涉及一种基于卷积实现的遮挡优先级排序得分值预测的图像全景分割预测优化方法。
技术介绍
全景分割任务是近期提出的新视觉任务,在场景理解、无人驾驶中有着广泛的应用。其任务目标是对摄像机拍摄到的图像每个像素点,预测类别信息和实例ID信息。它相对于语义分割视觉任务,增加实例信息的预测;相对于实例分割视觉任务,增加了无定形区域(具有相似纹理或物质的区域,如草地,天空,道路)的预测。全景分割任务需要融合语义分割和实例分割的预测结果,目前现有方法中采用的是最简单的基于先验逻辑判断的方法,该方法虽然能够将语义分割和实例分割的预测结果融合成全景分割,但是存在较多误判的情况。而卷积神经网络具有较强的网络学习能力,如何通过卷积神经网络实现融合算法,目前缺少具体的实现方法。
技术实现思路
本专利技术的目的在于针对现有技术的不足,提供一种基于卷积实现的图像全景分割预测优化方法,本专利技术优化了现有的融合方法,提高预测准确度。本专利技术的目的是通过以下技术方案来实现的:一种基于卷积实现的图像全景分割预测优化方法,包括以下步骤:(1)使用语义分割网络预测stuff填充区域;(2)使用实例分割网络预测object实例区域;(3)使用基于卷积实现的遮挡优先级排序得分值预测算法,对不同实例的遮挡优先级排序得分值进行预测;(4)对实例分割网络预测的实例物体,以步骤3预测得到的遮挡优先级排序得分值为依据,从大到小进行排序,依次将每个实例物体对应的前景区域赋值到相应的全景分割的结果中,如果排序靠后的实例物体像素点位置已经 ...
【技术保护点】
1.一种基于卷积实现的遮挡优先级排序得分预测的图像全景分割预测优化方法,其特征在于,包括以下步骤:(1)使用语义分割网络预测stuff填充区域,得到原始图像每个像素点的stuff类别预测结果;(2)使用实例分割网络预测object实例区域,得到原始图像检测出的每个object实例检测框及相应的实例分割区域;(3)使用基于卷积实现的遮挡优先级排序得分值预测算法,对不同实例的遮挡优先级排序得分值进行预测;(4)对实例分割网络预测的实例物体,以步骤3预测得到的遮挡优先级排序得分值为依据,从大到小进行排序,依次将每个实例物体对应的前景区域赋值到相应的全景分割的结果中,如果排序靠后的实例物体像素点位置已经被排序靠前的实例物体占用,则丢弃此类像素点;(5)将语义分割得到的stuff预测赋值到相应的全景分割的结果中,若有像素点被步骤4的实例物体占用,则丢弃此类像素点。最终得到全景分割的结果。
【技术特征摘要】
1.一种基于卷积实现的遮挡优先级排序得分预测的图像全景分割预测优化方法,其特征在于,包括以下步骤:(1)使用语义分割网络预测stuff填充区域,得到原始图像每个像素点的stuff类别预测结果;(2)使用实例分割网络预测object实例区域,得到原始图像检测出的每个object实例检测框及相应的实例分割区域;(3)使用基于卷积实现的遮挡优先级排序得分值预测算法,对不同实例的遮挡优先级排序得分值进行预测;(4)对实例分割网络预测的实例物体,以步骤3预测得到的遮挡优先级排序得分值为依据,从大到小进行排序,依次将每个实例物体对应的前景区域赋值到相应的全景分割的结果中,如果排序靠后的实例物体像素点位置已经被排序靠前的实例物体占用,则丢弃此类像素点;(5)将语义分割得到的stuff...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。